摘 要: | 碳酸盐岩的形成受沉积作用、成岩作用及沉积环境等多种因素的影响,岩石孔隙结构与岩相具有一定的相关性。碳酸盐岩的矿物成分复杂,储层孔隙类型多样,同一矿物、相同岩性但岩相不同的碳酸盐岩之间岩石物理性质差异很大。碳酸盐岩的基质模量及干骨架模量多解性强,受岩石孔隙结构的影响较大,因此很难准确求取岩石物理模型。为此,提出人工智能岩相预测方法,以岩心分析数据和测井数据为输入,应用深度学习方法进行全井段岩相预测,预测结果分辨率高、连续性好,可靠性强、人工干预少,与定量的孔隙结构分析相结合,能有效提高岩石物理建模的准确性。所提方法在M区块白垩系M组碳酸盐岩地层的实际应用中取得了较好效果,证明了方法的有效性。
|